根据嗅觉可视化技术,确定大麻油中的普罗西米残留物

科学领域:

• 分析化学 分析化学
• 食品安全 食品安全

背景情况:

• 食用油中的农药残留物构成了严重的食品安全问题.
• 准确而非破坏性的检测方法对于诸如普罗西米这样的污染物至关重要.

研究的目的:

• 开发和验证一种嗅觉可视化技术,用于量化菜油中的普西米残留物.
• 使用智能算法优化传感器特征,以提高检测准确度.

主要方法:

• 采用嗅觉可视化系统,从不同度的普罗西米油样本中捕获挥发性气味数据.
• 四个智能优化算法,包括粒子群优化 (PSO),遗传算法 (GA),群优化 (ACO) 和模拟化 (SA),用于优化传感器功能.
• 支持向量机回归 (SVR) 模型是使用优化用于定量分析的特性来构建的.

主要成果:

• 模拟化优化支向量机器回归 (SA-SVR) 模型表现出卓越的性能.
• 该SA-SVR模型实现了0.9894的高确定系数 ($$) 来预测procymidone度.
• 嗅觉可视化技术在非破坏性分析中被证明有效.

结论:

• 嗅觉可视化技术提供了一种可行的方法,用于对菜油中的普西米残留物进行非破坏性定量分析.
• 智能优化算法显著提高了基于传感器的检测系统的性能.
• 这种方法有助于改善食用油的食品安全监测.